Deep Pneumonia：基于注意力对比学习的胸片中类不平衡肺炎病灶识别
计算机视觉与模式识别
2022-07-26 v1
摘要
计算机辅助 X 光胸片肺炎病灶识别对于肺炎的准确诊断十分重要。随着深度学习的兴起，肺炎的识别精度已大幅提升，但由于胸片外观模糊，仍存在若干挑战。本文提出一种名为基于注意力对比学习的类不平衡 X 光肺炎病灶识别(记为 Deep Pneumonia)的深度学习框架。我们采用自监督对比学习策略预训练模型，不使用额外肺炎数据以充分挖掘有限的可用数据集。为利用医生费力标注的病灶区域位置信息，我们提出掩码引导硬注意力策略与带对比正则的特征学习策略，分别作用于注意力图与提取的特征，以引导模型将更多注意力集中于包含更具判别性特征的病灶区域，从而提升识别性能。此外，我们采用类平衡损失(Class-Balanced Loss)替代传统交叉熵作为分类损失函数，以解决数据集中不同肺炎类别间严重类不平衡的问题。实验结果表明，我们所提框架可作为可靠的计算机辅助肺炎诊断系统，辅助医生更准确地诊断肺炎病例。
引用
@article{arxiv.2207.11393,
title = {Deep Pneumonia: Attention-Based Contrastive Learning for Class-Imbalanced Pneumonia Lesion Recognition in Chest X-rays},
author = {Xinxu Wei and Haohan Bai and Xianshi Zhang and Yongjie Li},
journal= {arXiv preprint arXiv:2207.11393},
year = {2022}
}
备注
9 pages, 9 figures